一種提高室內(nèi)定位精度的模糊邏輯方法

張峻豪 朱海 韓寶磊

摘要：超寬帶技術(shù)由于其精確的定時(shí)分辨率，在視距（LOS）和非視距（NIOS）混合環(huán)境中應(yīng)用前景廣闊。為提高跟蹤精確度、消除與UWB跟蹤系統(tǒng)測距數(shù)據(jù)集異常值，構(gòu)建合適的誤差抑制方法，提出一種誤差抑制方法。首先對(duì)環(huán)境進(jìn)行建模，分析LOS和NLOS環(huán)境中的信號(hào)參數(shù);然后，采用基于模糊邏輯的兩步自適應(yīng)定位算法，分析和選擇最佳測距數(shù)據(jù)，用于計(jì)算被跟蹤設(shè)備的位置;使用模糊加權(quán)最小二乘估計(jì)（rWLSE）方法對(duì)非視距（NLOS）混合環(huán)境中的實(shí)際數(shù)據(jù)進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明，與其它已知算法相比，該方法定位精度顯著提高18.28%.且在實(shí)際應(yīng)用中易于實(shí)現(xiàn)。

關(guān)鍵詞：室內(nèi)跟蹤;超寬帶;模糊邏輯;加權(quán)最小二乘估計(jì)

DOI： 10. 11907/rjdk.192033

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-7800（2020）004-0097-05

A Fuzzy Logic Method for Improving Indoor Location Accuracy

ZHANG Jun-hao . ZHU Hai. HAN Bao-lei

（School of Electronic and Electrical Erzgineering ， rShanghai Univer.sity of Engineering Science ， Sh.anghai 20 1 620. China ）

Abstract： Ultra widehand （UWB） technology has been proven to be a promising technology in complex environruents due to its f'inetiming resolution. In this work . we f'ocus on error mitigation to improve the accuracy of' the tracking and elimination of outliers in rang-ing data sets associated with UWB tracking systems. We f'irst model the environment to analyse the behaviour of the signal parametersin both LOS and NLOS environments. Then. we apply a two-step adaptive algorithm for the localisation based on a fuzzy logic ap-proach f'or analysing and selecting the best ranging data to be used in the computation of the tracked device location. Our proposed ap-proach of using fuzzy logic-WLSE （FWLSE ） has been tested with real data collected in a heavy NLOS environment. which has demon-strated a significant gain in the localisation accuracy . This level of' improveruent can reach up t0 18% when compared to otherwell-known algorithms "-' hich are described in the relevant literature and the method is easy to implement in practical applications.Key Words ： indoor tracking; ultra wideband; fuzzy logic; weighted least squares estimation

O 引言

超寬帶（UWB）頻率傳輸依靠強(qiáng)大的信號(hào)機(jī)制、穿透墻壁的傳播能力、對(duì)多徑效應(yīng)的強(qiáng)大抗擾性和高分辨率測距等性能使其定位比其它技術(shù)更精確[1-3]。然而，UWB跟蹤系統(tǒng)部署由于在與非視距（NLOS）傳播方面存在眾多技術(shù)挑戰(zhàn)，導(dǎo)致商業(yè)推廣沒有完全實(shí)現(xiàn)[4-5]，特別是非視距混合環(huán)境和多徑效應(yīng)[6]造成的異常值對(duì)定位精度有顯著影響。

解決該問題的方法有兩種：信道識(shí)別和誤差緩解[7-8]。第一類方法通過區(qū)分視距和非視距環(huán)境實(shí)現(xiàn)精確定位，第二類方法通過分析測距誤差縮小非直瞄測距誤差。第二類方法使用迭代最小二乘估計(jì)（LSE）[9]，該方法計(jì)算簡單且有效。然而，在室內(nèi)環(huán)境存在多路徑信號(hào)時(shí)，LSE性能較低[10]。因此，需要更為密集和復(fù)雜的方法縮小誤差[11]。文獻(xiàn)[12]提出的最小修剪平方算法和文獻(xiàn)[13]提出的最小中值平方方法由于沒有剔除目標(biāo)位置結(jié)算中的測距誤差，無法進(jìn)行優(yōu)化。為了克服這些限制，需將接收的測距數(shù)據(jù)進(jìn)行優(yōu)化;文獻(xiàn)[14]提出一種基于兩步統(tǒng)計(jì)的線性最小二乘法（LLS），使用統(tǒng)計(jì)方法消除非視距偏差，通過邊界框算法獲得中間估計(jì)。在此基礎(chǔ)上，利用LLS估計(jì)量處理剩余測距誤差;文獻(xiàn)[15]也提出了類似方法，通過描述測距誤差，并引入確定性模型修正非視距條件下的測距誤差。然而，這兩種解決方案均建立在誤差測距統(tǒng)計(jì)模型基礎(chǔ)上，不將噪聲和接收功率視為潛在的有用信息[16-17]。本文從定位和導(dǎo)航模塊錨單元中提取各種參數(shù)，提出一種替代方法——模糊加權(quán)最小二乘估計(jì)（FWLSE）方法，旨在消除非視距環(huán)境的異常值。本文對(duì)視距和非視距環(huán)境中的測距誤差和參數(shù)行為進(jìn)行分析。由于參數(shù)之間沒有一般的線性關(guān)系，因此提出一種基于模糊邏輯的算法，作為評(píng)估錨點(diǎn)測距數(shù)據(jù)的最佳機(jī)制，并選擇最佳錨點(diǎn)作為數(shù)據(jù)源，然后將其輸入定位引擎，以確保持續(xù)的高精度跟蹤。首先通過建模得到視距和非視距環(huán)境中的誤差，并確定不同相關(guān)參數(shù)的行為;然后利用模糊邏輯方法對(duì)接收到的數(shù)據(jù)進(jìn)行后期處理，識(shí)別和消除測距數(shù)據(jù)中的異常值，并選擇最佳數(shù)據(jù)集用于定位計(jì)算;最后應(yīng)用WLSE算法對(duì)移動(dòng)目標(biāo)進(jìn)行定位。

1 室內(nèi)跟蹤平臺(tái)概述

室內(nèi)定位平臺(tái)基于超寬帶（UWB）技術(shù)，其組件包括：用于測距的預(yù)部署錨、跟蹤的移動(dòng)標(biāo)簽、用于數(shù)據(jù)管理和算法執(zhí)行的服務(wù)器。

用于定位和導(dǎo)航的預(yù)部署錨模塊包括UWB錨（板）、Raspherry PI（PRI）和連接錨與RPI的接口印刷電路板（PCB）。

PI用于無線連接UWB錨與服務(wù)器，它們從UWB錨中檢索測距數(shù)據(jù)，并將其轉(zhuǎn)發(fā)到數(shù)據(jù)庫，以便WiFi定位。本文使用的錨由愛爾蘭廷德爾國家研究所（TNI）設(shè)計(jì)和開發(fā)，主要包括一個(gè)符合IEEE802.15.4-2011 UWB標(biāo)準(zhǔn)的單芯片、基于UWB技術(shù)（DWlOOO）的無線收發(fā)器/測距芯片組以及一個(gè)UWB天線，還有藍(lán)牙無線電、氣壓計(jì)和慣性測量單元（IMU）傳感器，可用于活動(dòng)識(shí)別應(yīng)用。這些組件超出了當(dāng)前工作范圍[18-19]。

這些板也被用作移動(dòng)標(biāo)簽，通過UWB錨定進(jìn)行跟蹤，然后將測距數(shù)據(jù)轉(zhuǎn)發(fā)給服務(wù)器，用于計(jì)算和算法執(zhí)行。服務(wù)器存儲(chǔ)于數(shù)據(jù)庫，該數(shù)據(jù)庫由與范圍數(shù)據(jù)相關(guān)聯(lián)的靜態(tài)表和動(dòng)態(tài)表組成。靜態(tài)表包括所有歷史測距數(shù)據(jù)及相關(guān)時(shí)間戳，可利用動(dòng)態(tài)表檢索最新的測距數(shù)據(jù)，進(jìn)行實(shí)時(shí)定位。本地化算法也托管在服務(wù)器上，該算法還用于計(jì)算定位坐標(biāo)并將其顯示在圖形用戶界面（Graphical User Inter-face，GUI）上。

2誤差建模實(shí)驗(yàn)

2.1實(shí)驗(yàn)環(huán)境

利用上述平臺(tái)組件，進(jìn)行視距和非視距測距測試。試驗(yàn)在一個(gè)直徑為65.5 cm的混凝土柱房間內(nèi)進(jìn)行，該混凝土柱用于評(píng)估非視距情況下標(biāo)簽的定位。將距離延伸至第二根柱，其厚度為70.5cm。在所有測試中，錨定在離柱子lOOcm的地方。同時(shí)，在標(biāo)簽/錨之間沒有支柱的情況下進(jìn)行LOS試驗(yàn)。在視距和非視距實(shí)驗(yàn)中，每進(jìn)行一次測試，標(biāo)簽均以50cm的增量移動(dòng)。但是，由于試驗(yàn)室場限制，最大距離為lOm。對(duì)于每個(gè)選定的距離（間隔50cin），在視距和非視距條件下進(jìn)行300s的測距測試。電路板被編程為每秒采集一個(gè)樣本，然后對(duì)一些參數(shù)在不同距離上的行為進(jìn)行評(píng)估。功率指表示第一道振幅值（FPA），距離指表示測距數(shù)據(jù)一錨點(diǎn)和移動(dòng)節(jié)點(diǎn)之間的距離;噪聲指信道脈沖響應(yīng)估計(jì)（CIRE）的標(biāo)準(zhǔn)偏差。20。。

2.2 LOS值計(jì)算

首先，通過式（1）估計(jì)接收信號(hào)功率（以dBm為單位）。

其中，C是信道脈沖響應(yīng)功率值，Ⅳ是序文累計(jì)計(jì)數(shù)值，A是脈沖重復(fù)頻率（PRF）為64MHz時(shí)的值（121.74）。

其次，通過式（2）估計(jì)第一路徑的信號(hào)功率（以dBm為單位）。

其中，F(xiàn)1是第一路徑幅度（點(diǎn)1）幅度值，f2是第一路徑幅度（點(diǎn)2）幅度值，F(xiàn)3是第一路徑幅度（點(diǎn)3）幅度值。

式（1）和式（2）的兩個(gè)功率值之間的差異定義了LOS值。如果該值小于6dB，則信道可能是LOS;如果差值大于lOdB，則信道可能是NLOS[6]。

3模糊加權(quán)最小二乘估計(jì)算法

模糊加權(quán)最小二乘估計(jì)算法（FWISE）旨在處理來白錨點(diǎn)的接收測距數(shù)據(jù)，在對(duì)其執(zhí)行定位算法之前仔細(xì)選擇具有低測距誤差的最佳測距數(shù)據(jù)。為了實(shí)現(xiàn)該目標(biāo)，使用模糊邏輯方法進(jìn)行誤差緩解，然后使用定位引擎（使用WLSE）講行定位。

3.1模糊邏輯方法

模糊邏輯方法靈活，易于設(shè)計(jì)，并且可為不確定的輸人數(shù)據(jù)提供輸[22]，非常適合無法預(yù)測LOS/NLOS的環(huán)境。因此可通過改變系統(tǒng)中不同參數(shù)（功率、LOS、噪聲、距離）的隸屬函數(shù)及表1定義的規(guī)則調(diào)整模糊邏輯方法。本文模糊邏輯用于設(shè)置誤差概率作為每個(gè)接收讀數(shù)輸出（低、平均和高概率的誤差）對(duì)應(yīng)的4元組（功率、LOS值、噪聲、距離）。輸入/輸出參數(shù)的隸屬函數(shù)由具有標(biāo)準(zhǔn)偏差的高斯函數(shù)定義，平均值從建模實(shí)驗(yàn)中推斷而來。

錨和移動(dòng)標(biāo)簽之間的大距離與高噪聲相結(jié)合會(huì)增加出錯(cuò)可能性。如圖1所示，此時(shí)最大距離已增加到15m，即被測房間的對(duì)角線。圖2顯示了距離、LOS值參數(shù)和誤差概率之間的相關(guān)性。通過圖2可看出具有低LOS值的短距離導(dǎo)致了不確定的錯(cuò)誤概率。當(dāng)LOS值高且距離大時(shí).計(jì)算范圍誤差概率也會(huì)很高。 圖3展示了功率、LOS值和誤差概率之間的相關(guān)性。通過實(shí)驗(yàn)發(fā)現(xiàn)，無論功率值如何，高LOS值均會(huì)產(chǎn)生很高的誤差概率。但是，規(guī)則和觀察并不適用于所有情況，因?yàn)樵M之間沒有線性關(guān)系。因此，模糊邏輯是用于發(fā)現(xiàn)參數(shù)之間相關(guān)性的優(yōu)秀方法，該方法將概率歸因于每個(gè)接收的讀取數(shù)據(jù)，調(diào)整系統(tǒng)后影響每個(gè)規(guī)則權(quán)重。模糊邏輯規(guī)則如表1所示。

模糊系統(tǒng)（P）輸出的質(zhì)心方法如式（3）所示。

其中ui是具有隸屬度值ri的模糊值。

3.2定位引擎

該算法利用模糊邏輯對(duì)系統(tǒng)進(jìn)行建模，處理錨點(diǎn)測距數(shù)據(jù)的不確定性。根據(jù)模糊規(guī)則計(jì)算所有錨每個(gè)測距數(shù)據(jù)的概率誤差。誤差概率有助于選擇更可靠的測距數(shù)據(jù)。當(dāng)數(shù)據(jù)點(diǎn)超過3個(gè)時(shí)，所選數(shù)據(jù)將用于定位[11]。由于錨的數(shù)量和測試區(qū)域有限，將閾值設(shè)置為概率0.5，但是也可以動(dòng)態(tài)設(shè)置該概率，例如，基于所有讀數(shù)概率的運(yùn)行平均值。FWLSE算法流程如圖4所示。

位置坐標(biāo)的計(jì)算通過加權(quán)最小二乘算法（WLSE）實(shí)現(xiàn)，WLSE可表示為：線性模型可表示為：

其中，

則WLSE坐標(biāo)解算公式為：

WLSE坐標(biāo)解算公式對(duì)應(yīng)式（9）成本函數(shù)的最小化。

其中權(quán)重 β，計(jì)算公式為：

4 實(shí)驗(yàn)結(jié)果與分析

為評(píng)估本文算法性能，在上海工程技術(shù)大學(xué)實(shí)驗(yàn)室進(jìn)行測試。部署面積約為40m2，實(shí)驗(yàn)室包含多個(gè)基礎(chǔ)設(shè)施障礙物，如支柱和桌椅等較小的物體，是一個(gè)典型的混亂環(huán)境。因此，實(shí)驗(yàn)在NLOS情景下進(jìn)行。測試使用具有已知位置的4個(gè)錨（AN）。這些錨部署在桌子或三腳架上，均具有預(yù)定位置（坐標(biāo)），隨后將用于計(jì)算移動(dòng)標(biāo)簽的位置。這些單位的位置統(tǒng)一設(shè)置在跟蹤區(qū)域，其間距設(shè)定為約5.6m。為驗(yàn)證算法有效性，將其與現(xiàn)有的3種算法進(jìn)行比較。統(tǒng)計(jì)結(jié)果如表2所示，包括標(biāo)準(zhǔn)偏差（μ）、最大值（MAX）、最小值（MIN）和平均值誤差（AVG），所有值均以m作為單位。均方根誤差見表2。

將總誤差在90cm以下的百分比代人式（II）中計(jì)算均方根誤差值。

FLSE算法在計(jì)算定位坐標(biāo)之前進(jìn)行了預(yù)處理、測距數(shù)據(jù)選擇等改進(jìn)，因此與其它3種算法（LSE、LST和LSTA）相比，在平均和最大誤差及最小誤差方面均表現(xiàn)更佳，如表2所示。此外，F(xiàn)WLSE算法實(shí)現(xiàn)了71.17%以上的小于90cm的總誤差（見表2測試2）。圖5-圖6分別展示了測試1-3跟蹤執(zhí)行過程（彩圖掃描OSID碼可見，下同）。其中黑線描繪固定路徑（參考路徑），綠線描繪基于均勻速度計(jì)算的實(shí)驗(yàn)實(shí)際路徑。藍(lán)線和紅線分別是用LSE和FLSE算法計(jì)算的路徑。從這些圖中可以觀察到一些異常值，例如測試1中對(duì)應(yīng)位置（10.9，15.9）的異常值。這些是明顯的異常值，使用FWLSE方法計(jì)算定位時(shí)應(yīng)被排除。表3展示了3次測試中FWLSE與LSE的改進(jìn)情況，改進(jìn)根據(jù)方程式（12）計(jì)算得來，其中AVGAVGWLSE分別是使用LSE和FWLSE算法獲得的平均誤差。從表3可以看出，與LSE算法相比，F(xiàn)WLSE算法改進(jìn)比例高達(dá)18.28%。

對(duì)24種算法的累積分布函數(shù)（CDF）進(jìn)行測試（見圖8）。從圖8可以看出，在90cin以下的誤差中，F(xiàn)WLSE達(dá)到71%，其中LSE分別占67.5%和63%，LTS和LTSA僅占62%.

同樣，對(duì)于1.2m以下的誤差，F(xiàn)WLSE改進(jìn)比例為91%，而LTS、LTSA、LSE僅分別達(dá)到88%、82%、84%，本文算法提高了FWLSE精度。從表2可以看出，模糊算法平均誤差小于LTS、LTSA、LSE等3種算法的平均誤差。這主要是由于來白錨的測距數(shù)據(jù)被拒絕，而錨更有可能報(bào)告錯(cuò)誤數(shù)據(jù)。最大誤差在FWLSE情況下通常較低，這表明該算法在進(jìn)行定位計(jì)算之前，剔除異常值和誤差方面的性能更加優(yōu)越。

5 結(jié)語

本文提出了一種基于UWB技術(shù)的室內(nèi)定位NLOS錯(cuò)誤緩解方法。該方法采用模糊邏輯方法的兩步算法和用于提高系統(tǒng)跟蹤精度的加權(quán)最小二乘估計(jì)算法。首先分析了測距數(shù)據(jù)，并進(jìn)行過濾以消除異常值;然后將其送入定位引擎，從而提高系統(tǒng)整體定位精度。該算法已在一個(gè)步行場景進(jìn)行測試，在該場景中標(biāo)簽附著在人體上，在一個(gè)雜亂的環(huán)境中分別對(duì)視距和非視距環(huán)境進(jìn)行測試。與現(xiàn)有算法相比，本文算法室內(nèi)定位精度有所提高。未來研究將利用神經(jīng)網(wǎng)絡(luò)跟蹤系統(tǒng)識(shí)別受試者正在執(zhí)行的動(dòng)作、跟蹤第一反應(yīng)者等，其中位置跟蹤和對(duì)受試者當(dāng)前身體活動(dòng)的識(shí)別是一項(xiàng)重要研究任務(wù)。

參考文獻(xiàn)：

[1]方晨晨.基于UWB的自主跟隨機(jī)器人定位方法[J].軟件導(dǎo)刊，2016，15（9）：127-129

[2]王婭.一種基于UWB的WSN節(jié)點(diǎn)定位技術(shù)[J]軟件導(dǎo)刊，2010，9（6）：129-131

[3]盛利，段斌，鐘小鵬.基于UWB技術(shù)的無人機(jī)室內(nèi)飛行測試平臺(tái)設(shè)計(jì)[J].傳感器與微系統(tǒng)，2019，38（6）：79-82

[4]劉超，符世琛，成龍，等.基于超寬帶TSOA定位原理的掘進(jìn)機(jī)定位誤差分析[J].煤炭工程，2019，51（6）：133-135.

[5]FLATT H. KOCH N. ROCKER C， et al.A context aware assistancesvstem for maintenance applications in smart factories hased on aug-mented realitY and indoor localization[C]. IEEE 20th Conference onEmerging Technologies& Factorv Automation. 2015： 1-4.

[6]DARDARI D. CLOSAS P， DJURIC P M. Indoor tracking： theory，methods， and technologies[J] IEEE Transactions on Vehicular Tech-nology， 2015， 64（4）： 1263-1278.

[7]GHENDIR S，SBAA S，AL-SHERBAZ A. et al. Tr，wards 5G Wirelesssvstems：a modified rake receirer for UWB indoor multipath channels[J]Physical Communication. 2019.35：1156-1198.

[8]胡瑜基于UWB通信的無線傳感網(wǎng)絡(luò)技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018

[9]Universitv of Science and Technology of China. Design of an interac-tive spatial augmented realitv system fnr stage performance based onUWB positioning and wireless triggering technolrigy[R].2019.

[10]GAO H K， LI X. Tightly-coupled ，Vehicle positioning method at inter-sections aided by UWB[J]. Sensors（Basel， Switzerland）， 2019.19（13）：944-949.

[11]YANC Y. ZHAO Y，KYAS M.A statistics-based least squares（SLS）method for non-line-of-sight error of indoor localizatinn[C].Wire-less Communications and Networking Conference， 2013： 2299-2304.

[12]胡海兵，張文達(dá)，鄭希鵬，等基于UWB的智能跟隨車導(dǎo)航定位算法研究[J].電子技術(shù)應(yīng)用，2019，45（3）：80-83，87.

[13] 梁豐，熊凌.基于GA-BP神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人UWB室內(nèi)定位[J].微電子學(xué)與計(jì)算機(jī)，2019. 36（ 4）：33-37 .42.

[14]王勇，張新景，史穎剛.UWB/陀螺儀組合的溫室噴藥機(jī)器人導(dǎo)航系統(tǒng)設(shè)計(jì)[j]信息技術(shù)與信息化，2019（6）：60-62

[15]李國友，宋成全，孟巖.基于超寬帶室內(nèi)定位聯(lián)合算法的研究[J].電子技術(shù)應(yīng)用，2019.45（7）：93-96，101.

[16]ALBAIDHANI A，MORELL A. VICARIO J L.Anchor selection forUWB indoor positioning[J]. Transactions on Emerging Telecommu-nications Technologies， 2019.30（6）： 168-178

[17]RETSCHER G，GIKAS V， HOFER H. et al. Range validation ofUWB and Wi-Fi for integrated indoor positioning[J]. Applied Ceo-matics.2019. 11（2）： 187-195

[18]XIN L.YAN W，KHOSHELHAM K. Comparative anal、sis of rohustextended Kalman filter and incremental smoothing for LWB/PDR fu-sion positioning in NLOS environmentsFJl. Acta Geodaetica et Ceo-physica， 2019， 54（2）： 157-179.

[19]董云峰，劉強(qiáng).基于UWB的化工廠人員定位系統(tǒng)設(shè)計(jì)[J].智能物聯(lián)技術(shù).2019， 51（3）：42-48.

[20]羅晴明基于北斗/LWB的高精度室內(nèi)外定位系統(tǒng)及其定位方法[J].電子世界，2019（7）：184-185

[21]梁豐，熊凌.基于CA-BP神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人UWB室內(nèi)定位 [J].微電子學(xué)與計(jì)算機(jī)，2019.36（4）：33-37.42.

[22]姜春生，廖穎慧，蔡博基于UWB的物流倉儲(chǔ)自動(dòng)導(dǎo)引車的定位系統(tǒng)研究[J].計(jì)算機(jī)時(shí)代，2019（5）：5-8

（責(zé)任編輯：江艷）

收稿日期：2019-07-25

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（61272097）;上海市科技學(xué)術(shù)委員會(huì)重點(diǎn)項(xiàng)目（18511101600）

作者簡介：張峻豪（1995-），男，上海工程技術(shù)大學(xué)電子電氣工程學(xué)院碩士研究生，研究方向?yàn)闊o線定位;朱海（1992-），男，博士，上海

工程技術(shù)大學(xué)講師，研究方向?yàn)闊o限感知、室內(nèi)定位;韓寶磊（1995-），男，上海工程技術(shù)大學(xué)電子電氣工程學(xué)院碩士研究

生，研究方向?yàn)槭覂?nèi)定位。